Germania

Case Study: Germania

Klient: Germania

1. Opis Projektu

Celem projektu było stworzenie aplikacji webowej, która zostanie zintegrowana z kursem na platformie WordPress, aby wspomóc sprawdzanie postępów uczniów w module wymowy w języku niemieckim oraz zredukować czas poświęcany przez nauczycieli na ręczne ocenianie. W tym celu wykorzystaliśmy różnorodne narzędzia sztucznej inteligencji, aby proces ten był bardziej efektywny i automatyczny.

2. Kluczowe Korzyści:

• Ocena wymowy: Aplikacja automatycznie analizuje wymowę ucznia, porównując ją z poprawnymi wzorcami języka niemieckiego. Uczniowie otrzymują informację zwrotną, co umożliwia im regularną pracę nad wymową bez konieczności oczekiwania na ręczną ocenę nauczyciela.

• Ocena spójności odpowiedzi z pytaniem: Narzędzia sztucznej inteligencji w aplikacji potrafią sprawdzić, czy odpowiedzi ucznia są spójne z zadanym pytaniem. To oznacza, że aplikacja nie tylko analizuje wymowę, ale także treść odpowiedzi, pomagając w lepszym zrozumieniu i poprawnym konstruowaniu odpowiedzi. Dzięki temu uczniowie mają możliwość rozwijania umiejętności formułowania odpowiedzi zgodnych z kontekstem.

• Poprawa gramatyki i struktury zdań: Aplikacja ocenia również poprawność gramatyczną oraz strukturę zdań, zapewniając kompleksową analizę odpowiedzi ucznia. System wykrywa błędy w gramatyce, sugerując poprawki i wskazując uczniom, w jaki sposób mogą poprawić swoją konstrukcję zdań. To pomaga nie tylko w poprawie wymowy, ale także w rozwijaniu umiejętności tworzenia poprawnych i płynnych wypowiedzi.

• Automatyzacja oceniania wymowy uczniów: Dzięki zastosowaniu sztucznej inteligencji proces oceniania wymowy został zautomatyzowany, co znacząco redukuje czas potrzebny nauczycielom na ręczną ocenę pracy uczniów. Nauczyciele mogą skoncentrować się na bardziej indywidualnych i złożonych aspektach nauczania, a uczniowie otrzymują szybkie i precyzyjne oceny. To nie tylko oszczędza czas, ale również poprawia efektywność całego procesu nauczania.

3. Zmagania technologiczne

• Stworzenie własnego modułu swobodnej wymowy: W trakcie realizacji projektu klientowi zależało na tym, aby aplikacja umożliwiała uczniom swobodne odpowiadanie na pytania zawarte w kursie, zamiast jedynie czytania gotowych tekstów. W związku z tym jednym z kluczowych wyzwań było opracowanie unikalnego rozwiązania dla języka niemieckiego, ponieważ opcja swobodnej wymowy w tym języku nie jest powszechnie dostępna w wielu narzędziach sztucznej inteligencji. Dzięki temu udało się stworzyć moduł, który odpowiada na specyficzne potrzeby kursu i zapewnia większą elastyczność w nauce wymowy.

• Technologia oceny wymowy: W trakcie realizacji projektu jednym z największych wyzwań było znalezienie odpowiedniej technologii do oceny wymowy. Rozważaliśmy różne rozwiązania, w tym Speech Super, Azure AI, Elsa, oraz inne technologie, aby zapewnić najwyższą jakość i wydajność aplikacji. Zmieniające się wymagania wpływały na szacowanie kosztów, co zmuszało nas do balansowania między wydajnością a budżetem. 

• Kompatybilność nagrywarki: Dodatkowym wyzwaniem była kompatybilność funkcji nagrywania dźwięku na różnych platformach: Android, iOS oraz web.

4. Rozwiązania zmagań

• Stworzenie własnego modułu swobodnej wymowy: Aby opracować ten moduł, skorzystaliśmy z technologii oceny wymowy, pierwotnie przeznaczonej do analizy czytania tekstu. Wykorzystując zaawansowane rozwiązania, takie jak konwersja mowy na tekst (speech-to-text) oraz model GPT, udało nam się stworzyć mechanizm pozwalający na przekształcenie standardowej oceny czytania w moduł swobodnej wymowy. Dzięki zastosowaniu tych narzędzi, uczniowie zyskali możliwość swobodnego odpowiadania na pytania, co znacząco zwiększyło interaktywność i elastyczność nauki języka.

• Technologia oceny wymowy: Ostatecznie wybraliśmy technologię Speech Super do oceny wymowy, ponieważ zapewniła nam ona wysoką jakość w przystępnej cenie oraz umożliwia sprawną integrację z naszą infrastrukturą. 

• Kompatybilność nagrywarki: Aby rozwiązać problem kompatybilności funkcji nagrywania dźwięku na różnych platformach, zmodyfikowaliśmy kod, dostosowując go do obsługi Web Audio API na urządzeniach mobilnych.

5. Wykorzystane technologie:

• Speech Super: Technologia użyta do oceny wymowy, oferująca wysoką precyzję i efektywność kosztową.

• Azure AI Studio: Platforma wykorzystana do konwersji mowy na tekst (speech-to-text) oraz implementacji modelu GPT

• Flutter: Wykorzystany do stworzenia aplikacji działającej na platformach Android, iOS i  Web.  Flutter umożliwia tworzenie spójnego i wydajnego interfejsu użytkownika z jednego kodu źródłowego.

• .NET 8: Zastosowany do budowy backendu aplikacji, zapewniając stabilność, skalowalność i bezpieczeństwo. .NET 8 pozwala na efektywne zarządzanie logiką biznesową oraz integrację z bazami danych i usługami zewnętrznymi.

• Microsoft Azure: Platforma chmurowa użyta do hostowania aplikacji, zapewniając wysoką dostępność, bezpieczeństwo i skalowalność infrastruktury. Azure umożliwia łatwe zarządzanie zasobami, automatyzację wdrożeń oraz integrację z innymi usługami Microsoft.

6. Efekt Końcowy

W wyniku realizacji projektu stworzono aplikację, która skutecznie wspiera proces nauczania wymowy języka niemieckiego. Dzięki zaawansowanym algorytmom sztucznej inteligencji, aplikacja pozwala uczniom na swobodne odpowiadanie na pytania, automatyczną analizę wymowy, ocenę spójności odpowiedzi oraz poprawność gramatyczną. Automatyzacja oceniania znacząco zmniejszyła czas pracy nauczycieli, jednocześnie dostarczając uczniom informację zwrotną, co zwiększyło efektywność procesu nauki. Aplikacja działa płynnie na przeglądarkach na platformach Android, iOS oraz web, zapewniając spójne i intuicyjne doświadczenia użytkowników.

7. Planowane dalsze działania

• Nowe funkcjonalności w oparciu o feedback użytkowników: Planujemy aktywnie zbierać i analizować opinie oraz sugestie od naszych użytkowników, aby lepiej zrozumieć ich potrzeby i oczekiwania. Na podstawie zebranych informacji będziemy wprowadzać kolejne funkcjonalności i ulepszenia, które zwiększą wartość aplikacji i satysfakcję użytkowników. Dzięki temu Germania będzie rozwijać się w sposób zgodny z oczekiwaniami społeczności, dostarczając narzędzi najbardziej przydatnych w procesie nauki języka.

• Narzędzia analityczne: Wdrożenie bardziej zaawansowanych narzędzi analitycznych, które umożliwią nauczycielom dokładniejszy monitoring postępów uczniów i dostosowanie materiałów dydaktycznych.

8. Wnioski

Projekt Germania pokazał, jak efektywne może być wykorzystanie sztucznej inteligencji do automatyzacji zadań, które wcześniej wymagały dużego nakładu pracy. Zastosowanie technologii takich jak Speech Super i Azure AI Studio pozwoliło na znaczące usprawnienie procesu nauki wymowy języka niemieckiego, dając zarówno uczniom, jak i nauczycielom potężne narzędzie do interaktywnego kształcenia. Aplikacja, poprzez automatyzację oceniania oraz elastyczność w nauce, zwiększyła motywację uczniów i zmniejszyła obciążenie nauczycieli, co przyczyniło się do poprawy efektywności całego procesu edukacyjnego.

Autor Case Study: Bartosz Cofalik

Data: 20/09/2024